@InProceedings{MiguelSano:2019:UtImIN,
               author = "Miguel, B{\'a}rbara Hass and Sano, Edson Eyji",
          affiliation = "{Universidade de Bras{\'{\i}}lia (UnB)} and {Instituto 
                         Brasileiro do Meio Ambiente e dos Recursos Naturais 
                         Renov{\'a}veis (IBAMA)}",
                title = "Utiliza{\c{c}}{\~a}o de imagens INSAR para 
                         classifica{\c{c}}{\~a}o do uso e cobertura da terra no Distrito 
                         Federal",
            booktitle = "Anais...",
                 year = "2019",
               editor = "Gherardi, Douglas Francisco Marcolino and Sanches, Ieda DelArco 
                         and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de",
                pages = "275--278",
         organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 19. (SBSR)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "Interferometria, coer{\^e}ncia, Sentinel- 1A, SAR, uso e 
                         cobertura da terra, Interferometric, coherence, Sentinel-1A, SAR, 
                         land cover.",
             abstract = "Neste estudo, foi avaliado o potencial das imagens de radar do 
                         sat{\'e}lite Sentinel-1A (banda C) para discriminar classes 
                         representativas de uso e cobertura da terra do Distrito Federal. 
                         Dois produtos single look complex (SLC) de junho e julho de 2018 
                         foram convertidos para coeficientes de retroespalhamento e 
                         coer{\^e}ncia interferom{\'e}trica. Foi gerada uma 
                         composi{\c{c}}{\~a}o colorida RGB a partir de imagens de 
                         coer{\^e}ncia, intensidade de retroespalhamento e raz{\~a}o de 
                         retroespalhamento. Essas imagens foram classificadas pelo 
                         m{\'e}todo supervisionado Support Vector Machine. A acur{\'a}cia 
                         da classifica{\c{c}}{\~a}o foi verificada pelo coeficiente Kappa 
                         (0,64) e pela exatid{\~a}o global (75,7%). A coer{\^e}ncia 
                         mostrou-se eficiente na identifica{\c{c}}{\~a}o de corpos 
                         d{\'a}gua e da {\'a}rea urbana. Os resultados foram 
                         satisfat{\'o}rios para a classifica{\c{c}}{\~a}o de uso e 
                         cobertura da terra do Distrito Federal, no entanto, houve 
                         confus{\~a}o entre algumas classes e erros de comiss{\~a}o na 
                         classe {\'a}rea urbana. Futuras pesquisas devem ser realizadas 
                         com imagens do Sentinel-1A para contornar esses problemas. 
                         ABSTRACT: In this study, the SAR images of Sentinel-1A satellite 
                         (C band) were used to discriminate representative land cover and 
                         land use classes of Federal District. Two single look complex 
                         products (SLC) from June and July 2018 were converted to 
                         backscatter coefficients and interferometric coherence. An RGB 
                         color image was generated from images of coherence, backscattering 
                         intensity and backscatter ratio. The images were classified by the 
                         supervised method Support Vector Machine. The classification 
                         accuracy was verified by Kappa index (0.64) and by global accuracy 
                         (75.7%). The coherence was shown in the identification of water 
                         bodies and the urban area. The results were satisfactory for the 
                         classification, however, there was confusion between some classes 
                         and commission errors in the urban class. Future searches should 
                         be performed with Sentinel-1A images to work around these 
                         issues.",
  conference-location = "Santos",
      conference-year = "14-17 abril 2019",
                 isbn = "978-85-17-00097-3",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP6W34M/3UA4TC2",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3UA4TC2",
           targetfile = "97912.pdf",
                 type = "Sensoriamento remoto de microondas",
        urlaccessdate = "10 maio 2024"
}